酸碱溶胀法制备聚合物中空微球的研究

采用种子乳液聚合的方法合成了核壳结构的poly(methyl methacrylate)/polystyrene(PMMA/PS)和poly(butyl acrylate)/polystyrene(PBA/PS)微球,并以此作为前驱体,利用酸碱溶胀法成功地制备出PS中空微球.采用TEM和SEM对核壳微球和中空微球的形貌进行了表征,并研究了中空结构形成的影响因素.结果表明,在壳层单体St包裹种子微球的聚合阶段,单体和引发剂的滴加速度及温度对最终的PS中空微球形态有着显著的影响:滴加速度过慢,反应温度过高均不利于中空微球的形成.另外,组成种子微球的单体和壳层单体的性质对中空微球的形态也有着较大的影响.     

河北省农村居民食品安全知识、态度、行为现状调查

目的通过对河北省部分农村居民食品安全基本知识、态度和相关行为和影响因素的现状,为相关部门开展食品安全宣传教育提供参考。方法采用多阶段抽样的方法,对石家庄市、保定市和邢台市地区6个农村共445名农村居民进行调查问卷,问卷内容包括食品安全知识、态度、相关行为和影响因素。结果农村居民的知识得分为6.78,行为得分为3.78;总体及格率分别为71.9%和16.2%。不同人口学特征农村居民的食品安全知识、行为得分情况不同,高年龄、低学历和低收入人群知识得分较低。结论农村居民对食品安全知识的掌握情况一般,食品安全意识较差,维权意识缺乏,获取相关知识的需求迫切,相关部门应大力普及食品安全知识、采取干预措施。     

基于PCA图像压缩算法研究与实现

PCA做为一种数据分析技术,它最重要的应用是对数据进行降维和去相关,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构.本文将该技术应用于图像压缩中,分析了现有的基于PCA压缩图像方法的优缺点,提出了一种新的算法提取图像主成分运用于图像压缩,并证明了该算法的收敛性,通过实验仿真,验证了该方法的正确性和可行性.     

基于对象的图像篡改盲取证研究

根据自然界不存在完全一致的景物,提出了图像对象复制粘贴篡改的盲取证算法.分析了对象亮度和几何变化等因素对盲取证影响;运用灰度归一化和不变矩提取各个对象的盲取证特征;最后分析各个对象的相关性,若其相关性大于某一阈值则表示相同的景物,图像中存在对象复制粘贴篡改.实验结果表明,本文取证算法在一定程度上克服了对象亮度和几何变形对认证的影响.     

浅析矢量分析中梯度、散度和旋度的算子表示

提出了有关散度算子和旋度算子的见解,简明论述了在矢量分析中的散度和旋度都可用算子形式直接表示,不用首先点积和叉积．     

锁相环频率合成器

阐述了锁相环的电路结构和工作原理,并给出一种由集成锁相环CC4046构成的频率合成器设计方案．     

热带低频振荡对云南5月旱涝的影响

通过统计合成的方法,挑选出云南5月降水的多(少)年,分别对云南5月降水多(少)年时,热带低频振荡MJO的强度和位相变化对其降水的影响研究发现,当强MJO持续位于第4~6位相时,是造成云南5月降水偏多的有利条件,其它位相的强MJO对云南5月降水的影响不大.但MJO对云南5月降水多(少)年的影响具有明显的年际变化,所以对MJO在第4~6位相时云南5月降水变异的2个典型年份作进一步研究,发现孟加拉湾的西南水汽输送的早迟以及热带MJO引发的中南半岛附近对流北传是否活跃也是影响云南5月降水多寡的重要条件.     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

基于兴趣度的数据流频繁模式散列挖掘算法

频繁模式挖掘是很多数据流挖掘工作的基础.现有算法虽然能够有效的在数据流中挖掘近似的频繁模式, 但是由于数据流数据的不确定性、连续性以及海量性, 始终不能有效的将算法的时间效率和空间效率控制在一个可以接受的范围内. 本文通过使用散列表作为概要数据的存储结构, 并引入关联规则兴趣度的概念, 提出了数据流频繁模式挖掘算法MIFS-HT(mining interesting frequent itemsets with hash table), 不仅有效降低现有算法的时空复杂度, 同时提高了算法的应用价值. 最后, 实验结果表明: MIFS-HT是一种高效的数据流频繁模式挖掘算法, 其性能优于FP-Stream、Lossy Counting等算法, 并且挖掘结果更具有现实意义.     

基于多层次动态门控推理网络的文本蕴含识别

现有的文本蕴含模型通常计算一次词级别注意力得到两段文本在不同层面的交互特征,但对于文本不同层面的理解,不同重要词的注意力应该是不同的,并且一次词级注意力推理仅能捕捉到文本对局部特征.针对这个问题,提出一种多层次动态门控推理网络,该网络结合了词级别信息的细粒度推理和句子级别门控机制来动态捕捉文本对的语义信息,并采用不同注意力计算方式提取文本对不同层面的语义特征,共同推理文本对的蕴含关系.本文在两个文本蕴含数据集上均做了实验,相较于基准模型和现有主流模型,准确率提升了0.4%～1.7%,通过消融分析,进一步验证了本文模型各部分结构的有效性.